{"id":13301,"date":"2026-03-16T08:23:51","date_gmt":"2026-03-16T08:23:51","guid":{"rendered":"https:\/\/www.novotek.com\/dk\/?post_type=insights&p=13301"},"modified":"2026-03-31T07:41:17","modified_gmt":"2026-03-31T07:41:17","slug":"100x-problemet-hvorfor-ai-agenter-redefinerer-din-fabriks-datainfrastruktur","status":"publish","type":"insights","link":"https:\/\/www.novotek.com\/dk\/insight\/100x-problemet-hvorfor-ai-agenter-redefinerer-din-fabriks-datainfrastruktur\/","title":{"rendered":"100x\u2011problemet: Hvorfor AI agenter redefinerer din fabriks datainfrastruktur"},"content":{"rendered":"
\n
\n
\n
\"john<\/figure>\n<\/div><\/div>\n<\/div>\n\n
\n
\n
<\/div>\n<\/div>\n\n
\n

Denne artikel er skrevet af John Harrington
<\/strong>Chief Product Officer hos HighByte<\/em><\/p>\n<\/div>\n\n

\n
<\/div>\n<\/div>\n\n
\n

John Harrington er Chief Product Officer hos HighByte og fokuserer p\u00e5 at definere virksomhedens forretnings- og produktstrategi. Hans ansvarsomr\u00e5der omfatter product management, customer success, partner success og go\u2011to\u2011market\u2011strategi.<\/p>\n<\/div><\/div>\n<\/div><\/div>\n<\/div>\n\n

\n

Da John for nylig deltog i podcasten Industrial AI<\/em>, blev han introduceret som Chief Product Officer hos HighByte, hvor han arbejder med at definere virksomhedens forretnings\u2011 og produktstrategi. Hans ansvarsomr\u00e5der omfatter product management, customer success, partner success og go\u2011to\u2011market\u2011strategi.<\/p>\n<\/div>\n\n

\n

Klik her for at h\u00f8re afsnittet “Bridging the gap between factory data and agents”<\/em> med John Harrington fra podcasten Industrial AI.<\/strong><\/a><\/p>\n<\/div>\n\n

\n

I Industry 3.0 var det typisk 1 til 5 systemer, der forbrugte data fra shop floor, s\u00e5som SCADA, MES og historians. Industry 4.0 og introduktionen af Cloud \u00f8gede det til 10 til 50 systemer, inkl. datalakes, analyseplatforme, ERP\u2011integrationer, IoT\u2011tjenester og meget mere.<\/p>\n<\/div>\n\n

\n

Med fremkomsten af agentisk AI forventer John en 100x stigning i edge\u2011baserede datakonsumenter<\/strong>.<\/p>\n<\/div>\n\n

\n

Tusindvis af autonome AI\u2011agenter vil blive implementeret, hver med behov for specifikke, kontekstualiserede data leveret i realtid.<\/p>\n<\/div>\n\n

\n

Dette er ikke en teoretisk \u00f8velse, det er et skaleringsproblem. Og det er et problem, som de eksisterende dataarkitekturer, de fleste producenter bruger i dag, aldrig er designet til at l\u00f8se.<\/p>\n<\/div>\n\n

\n

Hvorfor AI agenter p\u00e5virker arkitektur diskussionerne<\/h2>\n<\/div>\n\n
\n

For at forst\u00e5, hvorfor s\u00e5 mange agenter er n\u00f8dvendige, skal man se p\u00e5, hvordan AI\u2011agenter fungerer i praksis. I mods\u00e6tning til et dashboard, der henter et foruddefineret datas\u00e6t efter en tidsplan, er agenter m\u00e5lrettede og h\u00f8jt specialiserede.<\/p>\n<\/div>\n\n

\n

For \u00e9n enkelt arbejdsstation kan man eksempelvis bruge:<\/p>\n<\/div>\n\n

\n